跳到正文
arXiv · NLP· Quoc-Khang Tran, Minh-Thien Nguyen, Nguyen-Khang Pham·· 10 天前AI 评分20

ViCLIP-OT:越南语图文检索首个基础视觉语言模型,引入最优传输

ViCLIP-OT: The First Foundation Vision-Language Model for Vietnamese Image-Text Retrieval with Optimal Transport

AI 导读

ViCLIP-OT 是专为越南语图像文本检索设计的基础视觉语言模型,整合 CLIP 风格对比学习与 SIGROT 损失。 该模型在 UIT-OpenViIC 基准测试中平均 Recall@K 达 67.34%,较 CLIP 提升 5.75 个百分点;在 Crossmodal-3600 零样本评估中超越 CLIP 11.72 个百分点。

来源:arXiv · NLP · arxiv.org